基于移动端的月季花快速识别方法研究

花卉植物的快速识别是当今园艺植物的研究热点。选取自然背景下的月季花作为研究对象,结合移动端的便利和优势,提出针对月季花的快速识别方法。对人机交互式分割预处理后的图像,使用主颜色提取算法和形状特征描述算法提取主颜色和形状特征,采用改进的融合GLCM和LBP算法提取纹理特征。通过特征选择算法对提取到的特征进行优化后,得到18个强分类特征,采用Random Forest算法对1 000幅图像进行实验,平均识别率可达93.5%。研究结果表明,该方法具有良好的识别效果和较快的识别速度。     

基于特征分析的番茄识别及其软件的快速开发

为导引机械手采摘番茄,提出了基于形状与纹理特征分析的番茄识别和软件实现方法。提取番茄和枯叶等干扰物的子图像,选择3个形状特征和5个纹理特征参数进行统计分析,在Matlab下快速验证番茄识别算法,再利用OpenCV函数库在Visual C++下对识别算法进行再现,实现了目标识别软件的快速开发。对674幅番茄图像进行识别试验的结果表明,对生长状态为相互分离的成熟番茄,正确识别率达到90%以上。不同分辨率的番茄图像处理实验结果表明,利用OpenCV函数库编制的程序比Matlab下的代码执行效率显著提高,而且能实时采集并同步处理双目图像,可为采摘机器人目标识别和软件开发提供参考。     

基于局部特征的多摄像机间目标识别方法

针对多摄像机监控系统中的人体目标识别问题,提出一种利用局部颜色特征和形状特征的目标识别方法.首先基于彩色图像使用Harris角点检测算子检测出目标图像的特征点,之后以每个特征点为中心分别提取其邻域的对光照、视角和姿态变化具有鲁棒性的局部颜色和形状特征,并建立目标外观模型,最后,采用改进的EMD(Earth Mover's Distance)进行目标间相似度的计算,实现多摄像机间的人体目标识别.实验结果表明,采用的改进方法充分优化了目标的颜色和形状特征,使摄像能够达到较高的识别率.     

虚拟多传感器融合的红外目标识别方法

提出了一种基于虚拟多传感器融合技术的红外目标识别方法.文中利用傅里叶描述器提取目标形状的边缘特征以及辐射特性的六个特征量,采用多个人工神经网络对来自单一传感器的目标利用不同特征分别识别,再利用D-S证据推理将各个网络的识别结果进行决策级融合.仿真实验结果表明,该方法提高了识别率和识别结果的可靠性.     

基于特征匹配的目标实时识别

本文介绍了一个基于特征匹配的运动目标实时识别系统。该系统能对二十九种以上不同形状的目标或十一种形状相似的飞机模型实现正确识别,而且其识别结果与目标的平移、比例缩放及旋转无关,正确识别率高于98％,识别时间小于34ms,满足实时要求。     

基于改进朴素贝叶斯分类器的康复训练行为识别方法

为提高康复训练中行为的识别率,对康复训练行为识别进行研究。首先采用Kinect传感器提取人体骨骼坐标信息,定义运动特征分类集合,完成朴素贝叶斯分类器设计;然后改进康复训练动作识别阈值选择机制提升识别率。改进前后对比实验证明该方法快速简洁,取得了较理想的识别效果。     

基于结构特征的飞机目标识别方法

针对高分辨率可见光图像的飞机目标智能识别,提出一种基于飞机结构特征的识别方案。采用Mean shift方法分割图像,提取区域边界,得到目标轮廓集,对轮廓采取多种结构化表示方式,便于分析轮廓的特征及相互关系;综合利用尺寸、占空比、长宽比、凸包、直线段等多个形状特征筛选轮廓,定位飞机目标,确定飞机轴向,获取目标几何参数。实验结果证明,该方法定位精确、识别率高,是一种快速、稳健的飞机识别方案,对类似的人工目标的识别具有一定的参考意义。     

视频火灾识别的关键技术研究

火灾报警识别是保证安伞的手段.在视频火灾识别中,火灾目标的提取是其关键问题,针对提高火灾识别率,为了精确地提取火焰目标,在分析火灾图像特性的基础上,采用数字图像处理技术和模式识别技术,提出了一种新的基于面积阈值的火焰目标提取,继后根据火灾发生时火焰的色彩、蔓延时面积大小和相似度以及烟雾等特征信息来识别、判断是否有火灾的发生.仿真实验表明算法具有比较好的健壮性.能够有效地提取出连续图像序列中的火焰目标图像和有效地降低火灾监控系统误撤和漏报率,并对于一般大空间场合的火灾监控也是有效的.     

心理声学参数提取及其在目标识别中的应用

根据人耳听觉特性,研究了心理声学中人耳识别目标的重要特征参数在目标识别中的应用.针对无线电噪声和舰船辐射噪声,利用Zwicker理论提取心理声学参数中的特性响度和特性尖锐度作为识别特征,通过神经网络分类器分别对这两组噪声各三类进行分类识别研究.实验表明特性响度和特性尖锐度主要反映了目标的振幅特性,可以正确识别目标并具有较高的识别率.是有效的识别特征.由于特性响度和特性尖锐度反映目标的特性相同,利用遗传算法仅对特性响度特征进行优化选择.挑选出特性响度中的分类关键量,降低识别空间的维数,提高识别率.     

基于视觉图像与激光点云融合的交通标志快速识别方法

交通标志对车辆交通起到重要作用和意义,而智能交通中交通标志识别由于标志特征提取效果差,导致识别率低、识别时间长,因此,提出一种新的基于视觉图像与激光点云融合的交通标志快速识别方法。采用双边滤波方法预处理原始激光点云数据;通过归一化处理得到视觉图像激光点云融合的目标空间激光点云位置测距数值。通过测距值获取目标图像位置,归一化处理交通标志视觉图像,引入k均值聚类算法(k-means clustering algorithm)二聚类处理图像,采用制作的切割模板切割图像感兴趣区域(ROI),提取交通标志图像的深度特征,结合卷积神经网络二次过滤特征,重新标定二次过滤后的特征,最终利用卷积神经网络模型实现交通标志快速识别。经实验对比证明,采用所提方法的提取各个类型交通标志特征的提取效果较好,并且识别率达到89.74%,识别时间仅为13.1s,干扰下识别时间最高仅为15.1s,验证了该方法可以快速且准确识别各个类型的交通标志。     

基于多尺度轮廓段的形状特征提取与识别

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。     

小样本条件下采用Gabor特征的人脸识别

人脸表征和特征提取是人脸识别中的关键问题．针对Gabot特征的识别能力问题,利用点分布模型和类别可分离性判据研究了人脸不同位置和不同Gabor展开系数的分类能力．实验结果表明,合理地构造Gabor特征和选择特征点位置,能够提高识别率和减少特征数量．在此基础上,提出了在小样本条件下结合主动形状模型和Gabor特征进行人脸识别的方法．     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

基于图像边缘小波矩和支持向量机的目标识别

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法.     

基于可视化异类特征优选融合的滚动轴承故障诊断

针对故障诊断过程中基于简单的多类故障特征联合决策存在特征集维数多、数据冗余、故障识别率不高的缺点,提出了一种基于异类特征优选融合的故障诊断方法。该方法根据多类特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,选用故障信号时域统计量和小波包能量两类多维特征进行优选融合,并采用反向传播（BP）神经网络进行故障模式识别。故障识别率达到100%,显著高于无特征优选的故障诊断方法。实验结果表明所提出的方法简便易行,可以显著提高故障识别率。     

A Fuzzy Statistical Rule Generation Method for Handwriting Recognition

This paper presents a statistical approach for rule-base generation of handwriting recognition. The proposed method integrates the heuristic feature selection with the statistical evaluation and thus improves the performance of the rule generation as well as of the fuzzy handwriting recognition system. Fuzzy statistical measures are employed to identify relevant features from a given large handwriting database. First an automatic rule-base mechanism is presented. To reduce the time needed for this generation mechanism an additional heuristic feature selection step is introduced. Tests show that this generated rule-base improved the recognition results over previous approaches.     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。     

用于形状特征提取的spike函数

形状特征是图像的一种重要视觉特征，其提取方法是形状识别、图像检索以及图像匹配等领域的研究热点。Spike参数用来反映磨粒轮廓角度的变化，spike参数越大，磨粒越尖锐，磨粒的磨损作用越大。在spike参数的基础上，提出了4种用于形状特征提取的spike函数，分别为用于表征形状轮廓细节特征的spike-angle函数和spike-height函数，以及用于表征形状轮廓整体特征的spike-area函数和spike-distance函数。根据spike函数提取形状特征时，采用多个步长的spike-angle函数和spike-height函数，同时采用单个步长的spike-area函数和spike-distance函数。为了消除起始点对spike函数计算的影响，以多尺度spike函数的归一化傅里叶变换系数的幅值作为形状特征。分别在MPEG-7和Swedish leaf数据集进行实验验证，与其他方法的对比结果表明采用spike函数提取形状特征，用于形状识别时，识别准确率高，抗噪声能力强。     

不等式最大熵中的特征选择方法

不等式最大熵模型较为成功地缓解了文本分类任务中的过拟合问题,但它使用的特征选择算法不能完全发挥不等式最大熵的最大优势。针对该问题提出采用改进的顺序前进式选择算法,提高文本分类任务中的识别率,试验结果证明该算法能够更准确地选出文本代表特征,对不等式最大熵模型的分类成绩有一定的改善。     

基于心理声学参数的水下目标识别特征提取方法

研究了响度、尖锐度、粗糙度、波动强度等主要的心理声学参数及其计算方法，利用主要的心理声学参数作为目标特征参数用于水下目标分类识别，并以正确识别率为准则对这些特征参数进行了修改。使用K-均值聚类方法对3类舰船噪声实测数据进行了目标分类识别仿真实验。实验结果表明，该方法提取的特征能够较好地反映信号本质，取得了较好的分类识别效果，特别是以修改后的心理声学参数为特征具有更高的识别率。